數據挖掘技術在臨床醫學領域的應用

數據挖掘是為了解決“數據豐富、知識不足”的情況而設計的，是一種可靠的技術來獲得大量數據知識。已經成為當今臨床醫學領域處理海量數據,從中獲取知識和規律的重要工具之一。隨著人們生活水平的提高和很多不健康生活習慣的養成,冠狀動脈粥樣硬化性心臟病(CoronaryHeartDisease,簡稱冠心病CHD),已經逐漸成為威脅人類健康重大疾病之一,冠心病的發生發展是一個復雜的病理生理過程,運用數據挖掘技術,系統、客觀地總結評價冠心病中醫證治規律,可為冠心病中醫臨床證治提供新的思路。1基于數據挖掘的冠心病把握方法數據挖掘(datamining)是從大量的、不完全的、模糊的、隨機的數據中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。隨著數據庫技術的飛速發展及數據庫管理系統的廣泛應用,各個領域的數據庫或數據倉庫里面都收集了海量數據,現在人們已經不再滿足于對數據庫進行簡單的查詢,而是希望借助現代信息處理技術,能夠得到隱藏在數據中反映事物本質和預測事物發展趨勢的有用知識,并以這些知識為基礎輔助科學決策。冠心病數據挖掘是應用數據挖掘技術對冠心病醫案、文獻等資料進行收集整理和分析,從中尋找冠心病證治的相關規律。目前用于冠心病中醫研究的數據挖掘方法主要有:關聯規則、貝葉斯網絡、集對分析、粗糙集理論、聚類分析、人工神經網絡、決策樹、隱結構等。2中醫證候學研究中醫藥在漫長的發展過程中形成了自己獨特的理論和專業術語,應用現代科學技術對中醫藥理論、實踐進行科學闡釋和解析,特別是進行信息化、數字化和知識化的研究是促進中醫藥國際化和現代化進程的重要內容之一。田松利用網絡數據庫結合統計分析法,檢索近10年關于冠心病辨證的現代文獻,挖掘冠心病證素證型的關系,通過頻數統計方法,統計所收錄的文獻中冠心病證素、證型、應證組合出現的頻數、比例,并分析其特點。仇琪對現有冠心病證候相關理化指標文獻進行檢索,利用Shannon熵互信息的數據挖掘方法,對冠心病證候與理化指標的復雜相關性進行分析,為中醫證候的診斷客觀化與生物學基礎的進一步研究提供依據。朱詠華等將貝葉斯網絡運用于中醫辨證系統的研究,建立中醫辨證貝葉斯網絡結構及概率表,利用建立的貝葉斯網絡中醫辨證系統,進行數據計量分析、推理驗證證候-證素-證名間的關系,其結果與中醫專家經驗有較高的吻合性。吳榮運用貝葉斯網絡等數據挖掘方法,對陳可冀等7名專家治療冠心病心絞痛的115例醫案的中醫證候要素及所屬癥狀進行定性和定量研究,并建立冠心病名醫診療數據庫,旨在發掘名老中醫冠心病心絞痛辨證規律。王階等以血瘀證為例,按照循證醫學的原則,用隱變量分析方法對多中心、大樣本的流行病學調查獲得的2004份血瘀證調查表,建立了一個可以用中醫理論解釋的隱結構模型并進行分析,研究表明,利用隱結構模型可以探討中醫辨證的客觀化、定量化,揭示眾多癥狀間以及癥狀與證候間復雜的相互關系,為中醫辨證的科學發展提供依據;同時利用Epidata2.0軟件,對中醫治療冠心病心絞痛139篇文獻(10646例患者)研究分析,建立冠心病心絞痛中醫療效評價指標文獻數據庫。吳煥林等利用聚類分析的方法探討冠心病心絞痛的中醫證候特點。王金虹利用粗糙集理論對冠心病病因進行分析研究。時麗莎等將關聯規則方法用于冠心病中醫臨床研究,探討冠心病證型診斷、診治規律及用藥規律。ShiQi采用復雜網絡對冠心病不穩定性心絞痛中醫證候進行識別,再并一步采用決策樹的數據挖掘方法,探討冠心病不穩定性心絞痛中醫證候識別規律。Chen等以血瘀證為例,比較4種不同類型數據挖掘方法:貝葉斯模型、神經網絡、支持向量機、決策樹,結果表明神經網絡方法最佳,準確率達到了88.6%。大量的中醫醫案和文獻是中醫學歷史的主要載體之一。隨著時間的推移,中醫醫案的各類文獻不斷涌現,如何對海量但又缺乏標準化、規范化的醫案信息進行整理與分析,是醫案研究面臨的重要問題。數據挖掘技術為醫案和文獻研究提供了良好的工具,越來越多的學者嘗試將數據挖掘技術應用于醫案和文獻的整理和挖掘,并且取得了較好的效果。3中醫臨床研究臨床病歷是醫生診療活動和處方用藥經驗的真實記錄,是第一手資料,包含著豐富的中醫辨證論治經驗和臨床方藥運用規律,體現了中醫理、法、方、藥的綜合運用。借助現代先進的計算機、數據庫、數據挖掘等方法和技術,利用結構化電子病歷采集系統、中醫臨床數據網絡分析系統等將臨床醫生大量的診療信息充分采集,可以建立滿足中醫臨床和科研需求的醫療業務平臺、數據管理平臺與臨床研究平臺,形成中醫臨床科研信息一體化的技術體系。倪青應用結構化住院病歷臨床采集系統收集了7家醫院1274例2型糖尿病合并冠心病患者的臨床數據,旨在發掘2型糖尿病合并冠心病的常見癥狀、證候分布特征。張京春利用中醫臨床數據采集系統,以復雜網絡等技術探索陳可冀教授治療冠心病心絞痛的方法,總結陳可冀教授病證結合診療冠心病心絞痛的臨床經驗,為探索冠心病證候-治法規律以及名老中醫相關經驗研究提供了思路。孫貴香提出利用人工神經網絡技術,建立“冠心病中醫證候數據庫系統”,并以MATLAB為平臺構建冠心病中醫證候BP神經網絡模型。數據挖掘技術在臨床科研中有著重要作用,對中醫藥信息進行數據挖掘是促進中醫藥信息結構化的途徑之一,利用數據挖掘技術對中醫復雜臨床數據進行研究,可以客觀的對臨床相關信息進行評估,有益于進一步的臨床研究。4基于立法的關于本研究的內容應注意調查結果,并注意從藥中醫數據具有非線性、模糊性、復雜性、非定量等特征,不同的挖掘目標或針對具體的醫學數據,往往會將幾種方法綜合起來應用。每一種數據挖掘方法均有自身存在的方法學限制,因此多種方法綜合來應用,可以相互彌補,發展各自的技術及整合優勢。而目前冠心病中醫證治數據挖掘多集中在一種方法上,較少幾種方法聯用的案例,結果存在一定局限性,且目前選擇的數據分析方法較為簡單,如神經網絡、決策樹、多維關聯規則等,均可進一步探索。因此在今后的研究中,應當針對具體問題,選擇合適的數據挖掘方法,發現隱含于其中的診療規律,挖掘出真正有價值的知識,促進中醫藥現代化向縱深方向發展。大量的中醫醫案文獻是中醫學歷史的主要載體之一,中醫學者的經驗精華所在,面對海量但又缺乏標準化、規范化的醫案和文獻信息,數據挖掘技術為醫案和文獻研究提供了良好的工具。大規模的臨床資料是醫生診療和處方用藥的真實記錄,是非常富有價值的知識來源,包含了中醫辨證論治經驗和臨床規律。如何對這些資料進行二次分析,是中醫臨床科研研究的重大問題之一。實踐表明,數據挖掘在中醫醫案文獻的整理中及中醫臨床信息采集平臺在科學研究中,確